Grand modèle MoE open source de DeepSeek, aux performances comparables aux meilleurs modèles propriétaires pour un coût d’entraînement très faible.
GPT-NeoX
An implementation of model parallel autoregressive transformers on GPUs, based on the Megatron and DeepSpeed libraries
- Catégorie
- 🧠 Grands modèles de langage
- Dépôt
- EleutherAI/gpt-neox
- Étoiles
- ★ 7 471
- Forks
- 1 127
- Dernière mise à jour
- 2026-10-11
- Visites
- 0
Transformers
Projets similaires
Modèle de raisonnement de DeepSeek qui fait émerger de longues chaînes de pensée par apprentissage par renforcement, et publie des petits modèles distillés.
阿里通义千问第三代开源模型，涵盖稠密与 MoE，支持思考/非思考模式切换。
xAI 开放的 Grok-1 权重与示例代码。
Hugging Face 对 DeepSeek-R1 的完全开源复现，含训练数据与脚本。
The official repo of Qwen (通义千问) chat & pretrained large language model proposed by Alibaba Cloud.